【摘 要】
：
机器人视觉系统是智能机器人领域研究的热点问题。目标检测技术作为计算机视觉中的基础任务之一,可以帮助机器人拥有视觉定位、目标分类和追踪的功能。随着深度学习技术的发展,目标检测技术有了新的突破。优化了YOLO V3目标检测算法,将其作为视觉追踪系统的核心,使用神经棒加速的方式应用到机器人平台中,为机器人提供了视觉定位和分类的功能,实现了机器人对目标物体的追踪和跟随。
论文部分内容阅读
机器人视觉系统是智能机器人领域研究的热点问题。目标检测技术作为计算机视觉中的基础任务之一,可以帮助机器人拥有视觉定位、目标分类和追踪的功能。随着深度学习技术的发展,目标检测技术有了新的突破。优化了YOLO V3目标检测算法,将其作为视觉追踪系统的核心,使用神经棒加速的方式应用到机器人平台中,为机器人提供了视觉定位和分类的功能,实现了机器人对目标物体的追踪和跟随。
其他文献
目前随着计算机视觉及人工智能领域的不断发展,图形图像领域的目标识别和分类也越来越受到广泛的关注。对于目标物体的准确识别和分类也成为本文的研究重点。但是在进行目标识别和分类的过程中,往往会存在一些难以准确分类的物体,我们称之为难分样本。难分样本的存在大大降低了对于图形图像分类的准确率,基于此问题,本文提出对难分样本进行度量学习,增大异类样本的距离,缩小同类样本的距离,以达到准备分类的效果。
利用抗病基因进行抗病育种是防控作物病害最为有效的手段之一,其中最有利用价值且应用最广的一类是被称为NLR免疫受体的抗病基因,该类基因是植物免疫系统中最大的一类抗病基因。NLR受体通过识别各种病原物效应蛋白激活寄主对病原物的抗性反应。虽然距离NLR抗病基因被克隆已经将近26年,但是学界对于NLR受体在识别病原菌入侵以及如何启动抗病反应等问题还知之甚少。当前NLR抗病领域研究最为活跃的科学问题包括NL
植物不断地接触各种微生物,其中部分微生物成为病原菌导致病害。病害在作物生产过程中导致的产量损失通常为10%～30%,严重时会导致毫无收成。控制作物病害最好的方法是利用抗病品种。对植物抗病机理的认识,有利于抗病品种的创新和合理布局。事实上,植物的抗病性依赖于其两个层次的先天免疫系统的及时激活。其中模式分子激发的免疫(PTI)可保护植物免于绝大部分潜在病原微生物的侵害,而效应子激发的免疫(ETI)则保
An automated superpixels identification/mosaicking method is presented for the analysis of cone photoreceptor cells with the use of adaptive optics scanning laser ophthalmoscope(AO-SLO) images. This i
2020年4月22日,SpaceX公司研发的火箭从佛罗里达州肯尼迪航天中心发射升空,其有效载荷令许多天文学家感到担忧[1]。火箭运送到太空的60颗卫星加剧了近地轨道卫星数量的激增状况。根据美国马萨诸塞州剑桥市哈佛-史密森尼天体物理学中心的天体物理学家Jonathan McDowell的计算,在短短一年内轨道卫星数量以肉眼可见的速度翻了一番。如果SpaceX和其他公司按计划发射数百或数千颗卫星的"巨
深海自持式智能浮标在下潜过程中,随着深度增加将会引起浮标壳体形变,使得浮标的自身净浮力产生变化,而浮标净浮力的变化将会影响浮标的定深性能。为了使浮标在实际定深工作中更好地抵抗净浮力和水阻力所构成的外部干扰,提出了基于自抗扰控制技术的定深控制器设计方法以提高深度定位效果。首先,通过分析浮标的运动过程,建立了动力学模型。然后,基于李雅普诺夫稳定性原理来设计扩张状态观测器和非线性状态误差反馈控制器。最后
通过对比计算机辅助成像(CR)技术、数字阵列检测技术(DDA)和传统胶片照相的原理和设备,文中主要简单分析了射线数字成像技术与传统胶片照相技术在工业检测中的优缺点及应用。
伴随智能移动终端的普遍使用以及国内互联网巨头对二维码的推广,"扫一扫"正在成为智能手机用户的必备时尚用语。在建筑工程领域,二维码的推广使用也必将带来工程管理的便利及发展。文中对可视化的二维码技术在钢结构工程施工过程中焊接管理及使用阶段的应用进行简单介绍,并对钢结构工程施工中二维码技术的推广和运用提供依据。
针对饮料行业装箱工序完成后,经常出现漏装的问题,设计了一种基于机器视觉的瓶装水漏装检测系统。以瓶盖的颜色、形状为特征,采用Python中OpenCV视觉处理模块在HSV颜色空间中对图像进行预处理,并用霍夫变换圆检测算法对瓶装水的数量信息进行统计。采用LabVIEW调用Python图像处理程序的方式设计人机交互系统,以PLC作为下位机控制机械臂运行。试验结果表明:系统运行稳定、效果良好,能够准确识别
In this paper, a video fire detection method is proposed, which demonstrated good performance in indoor environment. Three main novel ideas have been introduced. Firstly, a flame color model in RGB an